6月15日,华米科技在安徽合肥举办主题为「AI to Decode Future」的首届AI创新大会,为我们带来了诸多AI技术研究与相关应用。次日,华米科技还举办了AI技术开放日活动,邀请业内专家与高校院校学生共同探讨国内外人工智能话题,探索人工智能未来发展的趋势方向。
AI创新大会:华米自研新技术、新硬件惊喜不断
在本届AI创新大会上,华米科技正式发布了新一代智能可穿戴芯片“黄山2号”、第二代PPG生物追踪光学传感器BioTracker 2及一系列全新的人体数据AI算法,同时宣布成立人工智能研究院。

“黄山2号”芯片基于先进的RISC-V架构开发,具有高运算效率和低使用功耗两大优势。针对心率数据,其房颤识别速度是“?山1号”的7倍,是市面上其它软件算法的 26 倍。目前,“黄山2号”已流片成功,预计将于今年四季度量产,并在明年(2021年)上半年应用在华米可穿戴新品上。

除了“黄山2号”芯片,华米还在会上向我们介绍了五种生物数据引擎,分别是第二代心脏数据AI生物引擎RealBeats2,一款可监测心率数据,自动甄别心律不齐的AI生物引擎;精准度与专业血氧仪平均误差不到1.67%的血氧数据AI生物引擎OxygenBeats;可通过多维数据帮助用户了解睡眠状态和质量的睡眠数据AI生物引擎SomnusCare;可智能自动切换不同运动模式,并能对运动数据和心率数据进行分析的人体活动模式AI识别引擎ExerSense;以及结合人体多维度生理数据以及活动时间,帮助用户智能掌握每日运动量的人体健康评估系统huami-PAI。
上述五种生物引擎功能强大,但都需要精准的数据为其提供支撑,华米为此研发了BioTracker2 PPG生物追踪光学传感器。BioTracker2 PPG生物追踪光学传感器和五种生物数据引擎共同实现更丰富、全面的生物健康数据监测,在即将推出的“黄山2号”芯片强大的AI运算性能支持下,BioTracker 2也许会成为全球最强大的可穿戴人体光学传感器。

不仅是现有的芯片、传感器和算法,华米科技更致力于行业前瞻趋势和技术的布局。在AI创新大会上,黄汪宣布华米科技人工智能实验室正式升级为人工智能研究院,涵盖与钟南山院士团队、中国田径协会、中科大先进技术研究院建立的三个不同研究方向的联合实验室,并将联合智能语音独角兽云知声在汽车、医疗、IoT等领域展开全方位的合作,致力于人体健康大数据的AI技术创新,探索人工智能在可穿戴领域的深度应用。
AI技术开放日:前沿AI技术展示,激发年轻人的热情
除了专注于技术创新,华米科技还致力AI技术对公众的普及。6月16日,华米科技与中国科学技术大学联合举办了AI技术开放日,吸引了许多中科大和周边院校的学生慕名参加。

参与本次AI开放日主题演讲的嘉宾阵容十分强大,有中科大计算机科学与技术学院执行院长李向阳;清华大学软件学院副院长、华米人工智能研究院技术委员会委员丁贵广;中国科大电子工程与信息科学系执行主任、华米科技-中国科大先研院“脑机智能联合实验室”主任陈勋;挪威科技大学医学和健康科学学院教授Ulrik Wisloff,他们在会上分享各自在脑科学和人工智能上的前沿观点技术研究,并与现场观众互动交流观点。

华米科技不仅注重研究层面的交流,在产品体验方面同样做到极致。截至去年,华米智能设备在全球累计出货量已经突破一亿台,赢得了用户的肯定。这背后是华米科技通过AI整合芯片、算法和传感器技术优势,并且落地应用到华米的智能设备和小米手环上,实现对人体健康大数据监测处理的成果。不止步眼前的成绩,未来华米科技将进一步整合自身和行业的研发技术力量,以AI为技术支点,重构全球健康医疗产业,用科技时刻守护着用户的健康。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。